Científico(a) de Datos Senior (Híbrido - Bogotá) K1126

En Keppri buscamos un(a) Científico(a) de Datos Senior para un proyecto con una entidad del sector financiero. Vas a diseñar, construir y llevar a producción modelos analíticos y de machine learning sobre datos transaccionales y de clientes: segmentación, propensión, abandono, detección de anomalías y pronóstico, además de diseñar y analizar experimentos que midan el impacto de las decisiones de producto y negocio.

Condiciones

• Modalidad híbrida en Bogotá.
• Tiempo completo, de lunes a viernes.

Responsabilidades principales

• Traducir problemas de negocio en problemas analíticos o de machine learning, con métricas de éxito claras.
• Hacer análisis exploratorio e ingeniería de variables sobre grandes volúmenes de datos transaccionales.
• Desarrollar, validar y documentar modelos de clasificación, regresión, clustering, series de tiempo y detección de anomalías.
• Diseñar y analizar experimentos y pruebas A/B, y aplicar técnicas de inferencia causal cuando no sea posible experimentar.
• Llevar los modelos a producción junto con Ingeniería de Datos: pipelines, versionamiento, monitoreo de desempeño y drift.
• Asegurar la explicabilidad de los modelos y el cumplimiento de las políticas de privacidad y protección de datos personales.
• Comunicar resultados, supuestos y limitaciones a audiencias técnicas y de negocio.
• Acompañar a analistas del equipo en buenas prácticas de estadística y modelado.

Requisitos

• Profesional en Estadística, Matemáticas, Física, Ingeniería, Economía, Ciencias de la Computación o carreras afines. Deseable posgrado en Ciencia de Datos, Analítica o Machine Learning.
• Mínimo 4 años de experiencia en ciencia de datos, con al menos un modelo llevado a producción.
• Python avanzado para ciencia de datos: pandas, NumPy, scikit-learn, XGBoost o LightGBM.
• SQL avanzado.
• Fundamentos sólidos de estadística, probabilidad, diseño de experimentos y validación de modelos.
• Experiencia en el ciclo de vida de modelos: versionamiento (Git), seguimiento de experimentos (MLflow o similar), despliegue y monitoreo.
• Experiencia en al menos una plataforma de datos o ML en la nube: Databricks, AWS SageMaker, Azure Machine Learning o Google Vertex AI.
• Capacidad de explicar modelos y resultados a audiencias de negocio.

Deseables

• Experiencia en sector financiero, medios de pago, riesgo o prevención de fraude.
• Procesamiento distribuido con Spark o PySpark.
• Pronóstico de series de tiempo.
• Técnicas de explicabilidad (SHAP, LIME) y evaluación de sesgos.
• IA generativa y LLMs aplicados a casos de negocio (RAG, clasificación de texto) con controles de calidad y privacidad.
• Visualización con Power BI o Tableau.
• Inglés B1 o superior.

Al postularte, cuéntanos tu aspiración salarial.